When Does Authorization End? Effect Closure at Provider Boundaries
本文研究分布式系统中授权撤销完成后的一个隐蔽问题：即使系统报告撤销完成、状态干净或操作成功，某些此前已获授权的请求或任务仍可能产生应用程序无法接受的副作用，而服务提供方并未违反其契约。作者将这种所有潜在违规路径均不存在的情形定义为“策略相对
2026-09-05 归档
今日共收录 1726 条安全情报，包含 665 个 CVE，657 篇安全通告，以及 120 篇研究论文。
← 返回归档列表Card-Based Computation in the Virtual Player Simulation Model
本文研究了一种新的密码学方向：在虚拟玩家模拟模型下进行纸牌计算。与传统的基于纸牌的安全计算不同，虚拟玩家模拟针对实体纸牌游戏（如抽王八、UNO、总统牌）设计协议，需要满足额外约束：纸牌代表持续的游戏状态，虚拟玩家手中剩余的牌在每次行动后必须
PrimSynth: An Agentic Approach to Discover, Validate, and Synthesize Exploit Primitives for Linux Kernel Vulnerabilities
Linux 内核漏洞对下游系统的安全性构成重大威胁。尽管已有大量自动内核利用研究，但抽象利用策略与具体技术操作之间仍然存在概念鸿沟，导致自动化程度有限。本文针对这一挑战，首先提出了一套系统化的表征方法：将利用原语从逻辑能力到可验证效果形式化
Learning-Based Reconstruction Attacks on Coordinate-Obfuscated Point Clouds
本文研究基于点云表示的三维体积视频在沉浸式虚拟现实和增强现实应用中的安全内容交付问题。点云数据量大，直接全量加密会带来较高计算成本，因此前人工作提出选择性坐标加密框架，即仅加密部分坐标（如X坐标），在降低计算开销的同时使未授权内容在视觉上劣
Evaluating ML-based Intrusion Detection Systems: The Illusion of Model Efficacy
该论文评估了基于机器学习的入侵检测系统（ML-based IDS）的实际效能，指出当前研究存在‘模型效能幻觉’：在基准测试上表现优异的模型面对未见攻击时性能大幅下降。作者认为，仅改进算法和调优指标（如准确率、误报率）并不能保证系统对未知攻击
Poisoning Attacks on the PGM-index
该论文研究学习型索引 PGM-index 对投毒攻击的敏感性。PGM-index 是一种基于最优分段线性近似（PLA）的实用学习型索引，通过少量段来近似数据分布，从而加速查询。作者提出了一种名为 PGM-attack 的高效投毒攻击方法，攻
Retrosynthesis of Synthetic Media for Explainable AI Provenance Forensics
随着生成模型在机器学习即服务（MLaaS）平台上的快速普及，如何在不修改生成器架构或参数的前提下可靠地追踪合成媒体的来源，仍是一项重大挑战。为此，本文提出一个自指逆向合成框架，用于固定生成器场景下的可解释 AI 溯源取证。该框架利用联合优化
Agentic Settlement Protocol: An Application Profile for Refundable, Delayed-Fulfilment Agent Commerce on Stablecoin Rails
本文提出了一种名为“代理结算协议”（ASP）的应用配置文件，旨在解决自主代理在电子商务场景中支付大额、可取消订单时的结算问题。现有 HTTP 原生协议如 x402 提供原子性和最终性的支付，适合按次计费，但不适用于服务预约、实物订单、机票等
Stored Is Not Supported: Typed Provenance and Assertion Guardrails for Persistent AI Agents
论文针对持久化 AI 代理（persistent AI agent）的记忆与状态管理提出了一套形式化保障框架。持久化代理通过反思（reflection）、检索（retrieval）和整合（consolidation）构建自传式状态（auto
PrivateHub: Contrastive Diffusion Model for Private Sensor-Intensive Environment Data Generation
在智能家居、可穿戴设备等传感器密集型环境中，系统通过异构的多传感器数据流推断用户正在使用的应用，从而提供智能服务。然而，并非所有应用都应该被识别——用户希望某些活动保持私密。现有隐私保护方法（如差分隐私、基于规则的过滤）仅针对单一数据流，无
Type-Directed, Secure-by-Construction Enclave Partitioning for LLVM
本文针对可信执行环境（TEE）与低层语言（如 LLVM IR）结合时面临的安全分区问题展开研究。TEE 通过 enclave 提供硬件级隔离，但仅依靠它无法保证信息流安全；LLVM 这类语言允许不受限制的指针操作和非结构化控制流，进一步加剧
C$^2$T-OpenMax: A Novel Open-Set WiFi RF Fingerprinting Method via Center Constrained Learning and Confidence-Guided Tail Modeling
本文针对无线设备射频指纹识别（RF fingerprinting, RFF）在实际部署中面临的跨环境开放集识别问题，提出了一种改进的OpenMax框架 C$^2$T-OpenMax。射频指纹识别利用发射机硬件固有的细微缺陷实现设备身份认证，
Privacy Amplification Without Independence: How Far Negative Dependence Carries the Guarantees of Poisson Subsampling
该论文研究差分隐私量化中的关键理论问题：泊松子采样是典型的采样器，其独立性使得隐私放大分析易于处理，但实际系统越来越多地采用结构化参与模式，如随机分配（balls-in-bins）、每轮分配、随机检查等。业界普遍认为这些模式在匹配采样率下至
Agent Flight Recorder: Tamper-Evident Audit Trails with On-Chain Anchoring for Long-Horizon Tool-Using Agents
长时程智能体（如自动编码代理）执行数千个动作，其故障往往是顺序蔓延而非孤立错误。针对此类场景中的问责、因果追溯和第三方验证问题，论文提出“Agent Flight Recorder”（AFR）：一种面向工具使用型智能体的防篡改审计追踪系统。
Modelstamp: Pre-Deserialization Verification of Machine-Learning Artifacts and Runtime Environment State
本文提出 Modelstamp，一个轻量级 Python 持久化库，旨在解决机器学习模型在反序列化之前的完整性验证与运行时环境状态核验问题。研究背景是：已持久化的 ML 模型可以保持字节完全一致，但其加载所依赖的软件环境会随时间演变，因此仅
HEAT: Faster Fully Homomorphic Inference via Approximations-Weights Co-Adaptation
本文针对全同态加密（FHE）下运行语言模型推理速度过慢的问题展开研究。在 FHE 密文上，模型只能原生支持加法、乘法和旋转操作，且乘法深度受限，超过一定层数就必须执行高开销的 bootstrapping 操作以继续计算。因此，模型中的非线性
SVP Is NP-Hard for Some Rank-2 Cyclotomic Modules
本文研究分圆环上的格问题计算复杂性。具体而言，作者证明了在二维全秩自由子模上，以 ℓ2-范数定义的判定型最短向量问题（SVP）是 NP-完全的。设 q 为模 4 余 3 的素数，ζ_q 为本原 q 次单位根，K=Q(ζ_q)，环 O_K=Z
Position: Privacy Is a Claim, Not a Property of Synthetic Data
合成数据已成为机器学习研究中的常见工具，在隐私敏感场景中的应用尤其广泛。然而，作者指出一个关键转变：合成数据在实践中已从“给定假设下的残余推理风险声明”悄然转变为“由数据生成过程本身得出的外观属性”，即许多研究者默认生成出来的数据就具备隐私
What's in Your Agent's Context? Context Privilege Escalation Attacks against AI Agent Harness
本文针对真实世界高知名度 AI Agent 系统（如 Claude Code、Codex）的上下文组装（context assembly）设计进行了首次系统性安全分析。研究背景是：现代 AI Agent 依赖专有或不透明的机制将来自多源的信
Identification of Compositional Risks in Data Protection Impact Assessments and Beyond
本文针对分布式数据处理场景中因服务提供商组合而引发的隐私风险问题展开研究。具体而言，当多个合作的服务提供商共同处理个人数据时，即使每个提供商单独进行的数据保护影响评估（DPIA）均未发现风险，组合后的整体仍可能产生新的隐私风险。文章举例说明